风暴来临前:超级计算机如何提供更好的天气和龙卷风预报
严重雷暴和龙卷风、冰雹等相关现象,以及飓风、干旱和山洪暴发等其他自然灾害,都与大量的死亡和财产损失有关。与其他气象灾害相比,龙卷风雷暴的预警过程的时间跨度最短,通常从几分钟到几小时不等。目前龙卷风的平均预警提前时间不到20分钟。在龙卷风等事件中,哪怕只延长一分钟的预警时间,也会产生相当大的影响。
研究人员现在有了一种新的工具来帮助天气和龙卷风预测。2016年,美国国家海洋和大气管理局推出了最新一代的第一款地球同步气象卫星GOES-16的设计目的是通过其高级基线成像仪(ABI)仪器发送高分辨率、高频和高精度图像。GOES-16每15分钟提供一张完整的地球圆盘图像,同时每5分钟提供一张聚焦美国大陆的图像。
宾夕法尼亚州立大学的一组研究人员首次将GOES-16卫星的卫星辐射数据直接用于预测龙卷风雷暴的数值模型原因17%美国所有恶劣天气死亡人数的一半团队,由张福清博士宾西法尼亚州立大学特聘教授、宾西法尼亚州立大学高级数据同化和可预测技术中心主任,从事有可能提供龙卷风早期预警的研究,以帮助在极端天气事件中挽救生命和提高安全性。“在我们的龙卷风雷暴研究过程中产生了大量的数据。单个预测可以包含高达数十tb的数据,这些数据要么来自卫星,要么由数值模型生成。我们的工作需要使用超级计算机来进行模拟,并分析和存档数据,”张说。
利用卫星进行天气预报
宾夕法尼亚州立大学的研究小组在恶劣天气和飓风的预测和建模方面处于国际前沿。大约十年前,在飞机上的一次偶然相遇中,一名高级军官美国国家海洋和大气管理局坐在一位高级军官旁边美国国家科学基金会.这次相遇促进了NOAA早期的计算支持飓风预报改进计划(HFIP)这极大地帮助了张的飓风探索性研究。
张提出了他的团队的工作,并指出他们需要超级计算机来运行他们的研究模拟。因此,到目前为止,宾夕法尼亚州立大学已经在各种超级计算机上获得了时间,特别是在德克萨斯高级计算中心(TACC),该中心已经并将继续以最先进的天气模拟和改进的未来预警造福国家。
与其他观测平台相比,地球同步卫星最显著的优势是可以连续提供对广阔区域的无间隙观测。例如,当雷暴和飓风发生时,GOES-16可以每分钟频繁地对它们进行成像。张教授说:“利用16个波段和最新一代地球同步卫星的优势,我们可以提取有价值的信息,不仅有利于天气预报,还有利于水文、林业、航空、交通和火灾天气预警。”
宾夕法尼亚州立大学研究方法
张教授的团队同时使用了地球同步卫星(GOES-16)和地面多普勒天气雷达的观测数据。一个复杂的辐射传递模型用于将从数值模型中获得的数据与从卫星上看到的数据联系起来,这些数据使用基于集成的数据同化技术结合起来。集合预报使用数值模型对未来天气进行多次模拟(预测)。它目前被预报员用作概率天气预报的主要工具。
模拟初始化了40个短期集合预报,这些预报的初始条件略有不同,以表示大气状态的不确定性。在运行这套集合预报以让云层和其他特征发展之后,GOES-16的观测结果每5分钟被同化一次,并持续100分钟。自由运行的集合预报每20分钟进行一次,以检查雷暴预报是如何变化的。这些预测是通过对流层中旋转的雷达观测来验证的,这是强烈雷暴的特征之一。一个天气预报图像的例子如下图所示。
超级计算机为龙卷风和天气预报研究提供了动力
该团队在TACC上进行了大部分模拟Stampede2这是美国用于开放科学研究的最强大的超级计算机。Stampede2采用英特尔至强可扩展处理器,互连由高性能英特尔全路径架构提供。Zhang表示,该团队希望继续研究TACC未来的超级计算机Frontera,该计算机将基于第二代英特尔至强可扩展处理器。除了在TACC上运行模拟,张说TACC还在优化代码和回答技术问题方面提供了很大的支持。
软件和模型
张勇的宾夕法尼亚州立大学研究团队使用高分辨率数值天气预测模型结合新部署的遥感平台来提高预测。数值天气预报模型被称为天气研究和预报(WRF)模型,这是一个开源软件框架,主要是由国家大气研究中心(NCAR).这个基于wrf的允许云的集成数据同化和预测系统是由张教授的团队开发和维护的,同时由国家科学基金会、海军研究办公室、NOAA和NASA提供资金。
的WRF模式根据动力学和热力学的物理定律,预测给定某个初始状态下大气温度、湿度和风将如何演变。WRF模型和宾夕法尼亚州立集成数据同化软件都是免费的,可以供其他研究人员使用。WRF是气象学研究和操作社区中最受欢迎的模型之一,它已被多个政府机构(如NOAA)广泛用于帮助预测和警告恶劣天气,包括龙卷风bet188真人风暴预报中心.Zhang说:“本研究中使用的集成数据同化系统完全由我们的研究小组开发。它包括几个独特的方案,我们发现这些方案可以提高来自GOES-16的全天卫星辐射观测的有效性。”
该团队使用Matlab、Python和图形软件进行可视化,并使用MPI进行并行化,以便及时同时摄取大量观测数据(通常每次约数万个)。“我们一直在使用MPI进行数据同化系统的并行化。这样,我们就可以将模型网格水平划分为更小的瓦片,每个瓦片都可以同时处理观测数据。数值天气预报模式(WRF模式)也采用水平分解进行并行化。我们已经检查了使用4到1024个处理器的数据同化系统的伸缩性,它显示了非常好的伸缩性。这是意料之中的,因为最密集的计算是通过水平分解并行化的。WRF模型也是如此。”
“由于WRF模型具有非常好的可伸缩性,因此完成一次WRF模型模拟所需的挂钟时间几乎与我们使用的处理器成反比。超级计算机提供的大量cpu节省了大量等待结果的时间,”张说。
未来研究的挑战
“为了更好地预测未来的天气事件,我们的研究团队需要更好的计算机软件和存储。此外,我们还需要解决当前计算机系统的输入/输出瓶颈问题,这些问题减缓了研究的速度,以及我们开发的集成数据同化系统的次优并行化问题。量子计算机等领域的并行化进展,以及专家对数据同化程序更有效的并行化的支持,可能为我们未来的研究带来希望。”
Linda Barney是Barney and Associates的创始人和所有者,这是一家位于OR比弗顿的技术/营销写作、培训和网页设计公司。
本文是英特尔HPC编辑计划的一部分,旨在突出由HPC社区通过先进技术推动的前沿科学、研究和创新。内容的发布者拥有最终的编辑权,并决定发表什么文章。